Divisão e conquista - DECOM-UFOP

Propaganda
Projeto e Análise de Algoritmos
Aula 4:
Dividir para Conquistar ou
Divisão e Conquista (2.1-2.2)
DECOM/UFOP
2013/1– 5º. Período
Anderson Almeida Ferreira
Adaptado do material desenvolvido
por Andréa Iabrudi Tavares
BCC241/2012-2
Estratégias para problemas tratáveis
• Estruturas de Dados
▫ Use uma estrutura adequada
• Espaço por Tempo
▫ Gaste mais espaço para economizar tempo
• Algoritmos Probabilísticos
▫ Use aleatoriedade para conseguir eficiência
• Dividir para conquistar (top-down)
▫ Divida em subproblemas semelhantes e disjuntos,
resolva e combine
• Programação Dinâmica (bottom-up)
▫ Comece com subproblemas e componha um maior,
reusando solução de subproblemas compartilhados
• Algoritmos Gulosos
▫ Sempre pegue o “melhor”
Ordenação:
Um problema, vários algoritmos
• Recursão: Inserção
• Dividir-para-conquistar: MergeSort e QuickSort
• Estrutura de dados: HeapSort
• Tempo por espaço: Counting Sort
Torre de Hanoi
Recursão: Diminuir para conquistar
Recursão: Equação de Recorrência
Recursão: Análise
Tempo de Execução
Dividir para Conquistar
(Divide and Conquer)
• Problema (instância) pode ser dividido em
subproblemas menores (parecidos e
independentes) que são resolvidos
recursivamente e combinados.
▫ Análise por equação de recorrência
Dividir para Conquistar
• Diminuir complexidade (em geral de linear para
logarítmico) de algoritmos polinomiais
▫
▫
▫
▫
Busca
Ordenação
Multiplicação
Exponenciação
• Apresentar melhor função de complexidade de
pior caso
▫ Mínimo/máximo
Busca Sequencial
function BuscaSequencial(A,x,e,d)
//Entrada: sub-vetor A[e..d]
//Saída: x pertence ao sub-vetor
1. i = e;
2. while (i≤d) & (A[i]≠x)
3. i = i +1;
4. return (i ≤ d);
Lembre-se, nada sendo dito, utilizaremos sempre análise
assintótica de pior caso!
Busca Sequencial com Vetor Ordenado
function BuscaSequencial2(A,x,e,d)
//Entrada: sub-vetor A[e..d] ordenado
//Saída: x pertence ao sub-vetor
1. i = e;
2. while (i≤d) & (A[i]≤x)
3. i = i +1;
4. if (i ≤ d): return (A[i]==x);
Busca Sequencial Recursiva
function BuscaSequencialRec(A,x,e,d)
//Entrada: sub-vetor A[e..d] ordenado
//Saída: x pertence ao sub-vetor
1. if (e = d): return (A[e]= x);
2. if (A[e]=x):
3.
return true;
4. else:
5.
if (A[e]>x):
6.
return false;
7.
else:
8.
return BuscaSequencialRec(A,x,e+1,d);
D&C: Busca Binária
function BuscaBinária(A,x,e,d)
//Entrada: sub-vetor A[e..d] ordenado
//Saída: x pertence ao sub-vetor
1.
2.
3.
4.
5.
6.
7.
8.
9.
if (e = d): return (A[e]= x);
m =(e+d)/2;
if (A[m]= x):
return true;
else:
if (A[m]> x):
return BuscaBinária(A,x,e,m-1);
else:
return BuscaBinária(A,x,m+1,d);
D&C: Passos
• Divida
▫ problema em subproblemas menores
• Conquiste
▫ resolva recursivamente cada subproblema OU
▫ limite de tamanho: use outro método
• Combine
▫ soluções de subproblemas para resolver problema
D&C: Meta-algoritmo
function DividirConquistar(P)
//Entrada: problema P
//Saída: solução S para P
1. if (ÉPequeno(P)):
2. S = ResolvePequeno(P);
3. else:
4.
Divida(P, P1, … , Pa);
5.
for i=1..a:
6.
Si = DividirConquistar(Pi);
7.
S = Combine(S1,…,Sa);
8. return S;
Multiplicação de Inteiros Grandes
• x e y de n bits
• n multiplicações de 1-n bit
• n somas de n-n bits
Custo: Θ(n2)
Multiplicação de Inteiros Grandes
• Podemos fazer melhor usando D&C?
▫ Como dividir?
▫ Como combinar?
▫ Quanto custa?
Custo: Θ(n2)
D&C para Multiplicação
• Gauss em no século XVIII e Karatsuba em 1962:
D&C Multiplicação: algoritmo
Parada recursão
Divide
Conquiste: Recursão
Combine
D&C Multiplicação: Complexidade

 
T (n)   nlog2 3   n1.585

D&C Multiplicação - Análise
BCC241/2011-2
Forma Geral de Recursão
n
T n   aT    f (n)
b
Custo local da
função
Número de
subproblemas
Tamanho dos
subproblemas
23
BCC241/2011-2
Árvore de recursão
24
BCC241/2011-2
Teorema Mestre: intuição
• A cada nível k da recursão, qual o total de
trabalho?
• Complexidade é o somatório
▫ Primeiro ou último termos se forem diferentes
▫ Se iguais, multiplica pelo número de termos.
25
BCC241/2011-2
Teorema Mestre – forma simplificada
26
D&C Ordenação: MergeSort
• Von Neumann (1945)
BCC241/2011-2
D&C: MergeSort
28
BCC241/2011-2
MergeSort: Exemplo
Divida/Conquiste
C
o
m
b
i
n
e
29
MergeSort: Complexidade
Quanto custa?
T (n)  n log n
34
Seleção (Mediana)
• Entrada: Lista de n números S e inteiro k
• Saída: k-ésimo menor elemento de S
• Qual a complexidade?
▫ Mínimo: Θ(n)
▫ Ordenação: Θ(n log n)
• Importância da aleatoriedade (outro paradigma
de projeto).
35
D&C Seleção: dividindo...
v
Partição
<= v
=v
>= v
k v
<=
=v
>= v
<= v
k=v
>= v
<= v
=v
k
>= v
36
D&C Seleção: conquistando…
BCC241/2011-2
Seleção: Algoritmo
37
38
D&C Seleção: Complexidade
Quanto custa?
Tamanhos das listas dependem do pivô v.
Como escolher????
39
D&C Seleção: Complexidade
• Melhor caso: partições sempre balanceadas…
▫ Oráculo
40
D&C Seleção: Complexidade
• Pior caso: partição diminui somente de 1…
▫ Primeiro elemento, achar o máximo e lista
ordenada.
BCC241/2011-2
D&C e Probabilístico: Seleção
• Escolher o pivô aleatoriamente…
• Ideal: divide no meio
▫ Custo:
▫ Probabilidade (se todos diferentes):
• Boa: divide em no mínimo ¾
▫ Custo:
▫ Probabilidade: ????
41
BCC241/2011-2
D&C e Probabilístico: Seleção
• Boa: divide em no mínimo ¾
▫ Probabilidade de v estar no 2o. ou 3o. quartil
42
BCC241/2011-2
D&C e Probabilístico: Seleção
• Boa: divide em no mínimo ¾
▫ Probabilidade de v estar no 2o. ou 3o. Quartil
 P[v dividir em ¾] = 0.5
• Qual o número esperado de escolhas para
conseguir uma boa?
▫ Número de jogadas até dar cara…
 E[número de escolhas até dividir em ¾] = 2
43
BCC241/2011-2
D&C Seleção Aleatório: Complexidade
Tempo esperado para n é menor que o tempo
esperado para reduzir a 3n/4 e depois resolver
44
BCC241/2011-2
D&C Ordenação: QuickSort
• Hoare 1962
46
BCC241/2011-2
D&C: QuickSort
47
Quanto custa?
Depende da escolha do pivô!!!!!!
Sabemos, contudo, que escolha aleatória
provê, em número esperado de duas
pivotações, a divisão em 3n/4 .
48
MergeSort e QuickSort
Fase
MergeSort
QuickSort
Dividir
O(1)
O(n)
Conquistar
2T(n/2)
T(k) T(n-k)
Combinar
O(n)
O(1)
49
D&C: resumo
• Problemas menores (fração), independentes e
não-sobrepostos
• Divisão e combinação são partes não-recursivas
▫ Algoritmos tendem a tornar uma das duas mais
complicada
▫ Mergesort, Quicksort
• Importante definir o que é pequeno
▫ Parada de recursão (multiplicação de números)
51
D&C: Exercícios
• Calcular x em (log n) passos.
n
53
Outros exemplos interessantes
•
•
•
•
•
•
RSA
Fast Fourier Transform
Caixa convexa
Par de pontos mais próximo
Mínimo e máximo
Fibonacci
BCC241/2011-2
54
Teorema Mestre – forma geral
n
T n   aT    f (n), a  1, b  1, f (n)  0
b
logb a 
logb a
1. f (n)  O n
,   0  T ( n)   n

2. f (n)  n
3. f (n)  n
onde

logb a


log n  T (n)   n logb a log n
logb a 
c 1



,   0, af (n / b)  cf (n)  T (n)   f (n),
BCC241/2011-2
Teorema Mestre: Aplicação Mecânica
•
•
•
•
Identifique a, b, f(n)
Calcule grau = log_b (a)
Compare n^grau e f(n)
Encontre o maior
55
BCC241/2011-2
Exemplos de Teorema Mestre
• T(n) = 9T(n/3)+n
• T(n) = T(2n/3)+1
• T(n) = 3T(n/4)+n log n
56
57
Quando não se aplica?
function fatorial( n)
return n * fatorial(n-1);
1
n 1

T ( n)  
1  T (n  1) n  1
Teorema Mestre: Quando não se aplica
n
T n   aT    f (n), a  1, b  1, f (n)  0
b
1. f (n)  O n logb a  ,   0  T (n)   n logb a

2. f (n)  n
3. f (n)  n

logb a
log
logb a 

Polinomialmente
n menor
T ( n)  

n
logb a

log n

,   0, af (n / b)  cf (n)  T (n)   f (n)
Regularidade
Condição de regularidade violada
 
n  
T n   T    n sin  n    2 
2 
2  
f n   n 
Download